本论文介绍了基于模型的诊断，探讨了该领域的主要挑战，并讨论了一些应对这些问题的研究方法。
Jun, 2023
本文提出了一种基于机器学习的在线诊断系统，用于预测自动生产系统的状态和故障类型，并可将其分类为多类别。
Oct, 2022
本文提出了一种新颖的框架，将基于模型的诊断与深度图结构学习的概念相结合。通过利用数据学习系统的底层结构和提供动态观察，该方法实现了图结构学习与基于模型的诊断的无缝集成，并通过在耦合振荡器系统上的实验证明了其数据驱动诊断方法的潜力。
Aug, 2023
该论文介绍了一种基于分治的诊断算法（FastDiag），它可以在超约束问题中识别出最小的错误约束集，以恢复一致性，并与冲突导向的命中集计算进行对比，得出了我们方法的优势。
Feb, 2021
本文介绍基于时间序列的故障诊断技术来监测工业系统的实时运行状态、检测系统异常、诊断故障根本原因和预测状态趋势，并基于立方 DUCG 理论构建了一个专家知识和经验的工业故障诊断系统，解决了没有样本数据的工业系统故障诊断问题。
Mar, 2022
通过将 Reiter 理论泛化为对任何类型系统和诊断的无知论，我们定义了基于首要原则的最小诊断，它将最有可能的诊断候选集合在一个假设搜索空间中。在相对温和的假设下，我们的算法能够正确计算首选的诊断候选集合。尽管搜索空间不再是幂集，与 Reiter 理论不同，我们的理论的适用性更广，并且在实际问题中实现的两个算法能够解决现有诊断方法无法解决的示例。
Sep, 2023
引入了一种新的针对阈值性 IT 系统的结构因果模型，并提出了一种新的算法，用于快速检测此类系统中异常的根本原因，方法基于离线数据进行因果性发现，通过代理的干预提出了扩展来放宽根因非因果相关的假设，对于在线数据中的新异常，则利用子图遍历，实验证明了该方法的卓越性能。
Feb, 2024
介绍了一种整合物理诊断工具和大型语言模型的集成系统，旨在增强复杂系统（如核电厂）中故障诊断的可解释性，通过识别故障并提供其造成和影响的清晰易懂的解释，该系统在溶盐设施上的应用验证了其阐明诊断故障与传感器数据之间关联、回答操作员问题和评估历史传感器异常的能力，强调将基于模型的诊断与先进人工智能结合以提高自主系统的可靠性和透明度。
研究了一种概率模型用于多种疾病的诊断，通过 quick score 算法可以计算出每种疾病的后验概率，并在 Quick Medical Reference（QMR）上得到了应用和性能结果。
Mar, 2013
该文针对一个不正常设备的故障排除方法，发展和扩展了现有的决策论方法，将 Bayesian 网络从信念更新扩展到包括采取行动、维修组件等操作，并对故障排错操作的后续分析进行了探讨，需要将持续性概念纳入概率推理中。
Feb, 2013